我如何解释这个回归示例

Question

我多次用sklearn编写了这段代码，并试图理解它，但是仍然无法绕开它。有人可以逐步解释此代码的流程

我已经一遍又一遍地编写代码。我认为在导入需要的东西之后，下一步是为Y和X设置一个值，并对变量执行回归函数

>>> import numpy as np
>>> from sklearn.linear_model import LinearRegression

>>> X = np.array([[1, 1], [1, 2], [2, 2], [2, 3]])
>>> y = np.dot(X, np.array([1, 2])) + 3
>>> reg = LinearRegression().fit(X, y)
>>> reg.score(X, y)
1.0
>>> reg.coef_
array([1., 2.])
array([1., 2.])
>>> reg.intercept_ 
3.0000...
3.000000000000001
>>> reg.predict(np.array([[3, 5]]))
array([16.])
>>>